Startseite Projekte DeepSIM
DeepSIM

DeepSIM

von eliahuhorwitz · GitHub

Offizielle PyTorch-Implementierung des Papiers: "DeepSIM: Bildformmanipulation aus einer einzigen augmentierten Trainingsprobe" (ICCV 2021 Oral)

Auf GitHub ansehen
⭐ Sterne
🍴 Forks
📜 Lizenz
Lizenz nicht angegeben
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
DeepSIM — GitHub preview card
📈 Sternhistorie
425424
2026-07-202026-07-29
📈 DeepSIM verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Offizielle PyTorch-Implementierung des Papiers: "DeepSIM: Bildformmanipulation aus einer einzigen augmentierten Trainingsprobe" (ICCV 2021 Oral)

DeepSIM hat 424 Sterne auf GitHub. Es wurde 49-mal geforkt. DeepSIM ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. Die Hauptthemen sind: computer-graphics, computer-vision, deep-learning, deep-neural-networks.

Frequently asked questions

Was ist DeepSIM?

Offizielle PyTorch-Implementierung des Papiers: "DeepSIM: Bildformmanipulation aus einer einzigen augmentierten Trainingsprobe" (ICCV 2021 Oral)

Ist DeepSIM Open Source?

DeepSIM ist ein Open-Source-Projekt.

Ist DeepSIM kostenlos?

Ja. DeepSIM ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

In welcher Sprache ist DeepSIM geschrieben?

DeepSIM ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — DeepSIM

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=eliahuhorwitz-deepsim)](https://opensourceai.tech/project/eliahuhorwitz-deepsim.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.